科技·前沿|医准智能论文入选CVPR 2020 3D半监督学习技术引关注

发表时间: 2020-03-25 19:10:10

浏览: 118

喜讯!医准智能一篇《FocalMix: Semi-Supervised Learning for 3D Medical Image Detection》论文被CVPR 2020接收,取得创新性突破,该文章主要研究了半监督学习在三维医学影像检测问题中的应用,在医学图像标注和病灶检出方面都具有很重要的临床意义,进一步证实了医准智能在AI医学影像技术领域的技术创新能力。

喜讯!医准智能一篇《FocalMix: Semi-Supervised Learning for 3D Medical Image Detection》论文被CVPR 2020接收,取得创新性突破,该文章主要研究了半监督学习在三维医学影像检测问题中的应用,在医学图像标注和病灶检出方面都具有很重要的临床意义,进一步证实了医准智能在AI医学影像技术领域的技术创新能力。


CVPR(Conference on Computer Vision and Pattern Recognition)即IEEE国际计算机视觉与模式识别会议,作为行业内计算机视觉和模式识别领域的顶级会议,在各种学术会议统计中,CVPR代表着很强的影响力和很高的排名。目前中国计算机学会推荐国际学术会议的排名中,CVPR为人工智能领域的A类会议,代表着图像识别与人工智能方向国际最前沿的科研技术。



人工智能技术在医学影像中的应用是医学上最热门的领域之一,但该领域成功很大程度上取决于是否持有大量经过仔细标注的数据,而为医学影像添加标注是一个昂贵的过程,例如肺结节检测问题,结节体态小且形态多变,再加上样本数量庞大,数据标注成为了一大难点。


针对此问题本篇文章中提出一种新颖且高效的半监督学习方法“FocalMix”,此方法利用3D半监督学习(SSL)方法应用于医学图像检测,致力于解决医疗影像标注难而形成的成本过高的现状,基于医准智能强大的AI科研能力,文章在两个广泛使用的肺结节检测数据集LUNA16和NLST进行了大量实验。



实验结果表明,本文提出的“FocalMix”方法可以在采用400例未标记的CT影像的情况下,相比于监督学习方法提高17.3%的效果。半监督学习的方法对于解决医疗影像标注成本高的问题具有重要价值。甚至可能将诊断周期大大提前,这是文章从临床价值角度的意义,也是医准智能努力的目标。



值得一提的是,文章中创新性提出的新方法“FocalMix”已率先应用在医准智能胸部智能检测系统中,肺癌作为一类发病率和死亡率增长最快的恶性肿瘤之一,“早发现、早诊断、早治疗"是防控癌症最主要的方式,随着人工智能的发展,AI被认为是最有希望为癌症防治工作带来新的助力和期待。医准智能始终致力于运用AI医学影像技术在早期肺癌肺结节的诊断,为现代医学对抗此类疾病提供帮助。


医准智能研发团队汇聚深度学习、计算机视觉、自然语言处理等人工智能相关领域的高尖端算法人才,并协同在医疗临床领域有着深厚积累的临床科研团队为医疗AI提供领先技术,医准智能自主研发的肺部CT智能检测系统,通过建立模型,病例标注,调整参数最终形成精准高效的肺部疾病检测产品,此外,作为国内首个商业化的乳腺智能检测系统,医准智能乳腺钼靶智能检测系统改变了传统CAD进行智能检测的方式,将最前沿的人工智能技术应用在医疗影像行业,截止目前,医准智能已与全国400余家医院医生并肩作战,运用AI技术更好的帮助医生为患者和社会服务。



论文链接


https://arxiv.org/pdf/2003.09108.pdf


  

— 联系我们 

  联系电话:010-86393784

         售后热线:400-680-1280

  人才招聘:HR@yizhun-ai.com

         媒体采访:media@yizhun-ai.com

         商务合作:marketing@yizhun-ai.com

  联系地址:北京市海淀区学院路唯实大厦1106室

Copyright © 2020 京ICP备18036543号-1 北京医准智能科技有限公司  All Rights Reserved